• 作为核心开发者参与公司自研分布式任务调度系统的开发，参与设计的基于DAG的工作流引擎和智能故障转移策略，将大规模批量任务的执行成功率从98%提升至99.99%，日均稳定调度任务超千万次，成为公司内部最可靠的基础设施之一。
• 攻克了海量异步任务结果存储与检索的性能瓶颈，通过Redis + 二级存储（S3）的混合架构，在保证低成本的同时，实现了毫秒级的结果查询，支撑了公司所有数据报表与离线计算业务。
• 该项目成功产品化，作为PaaS服务对外输出，年创造直接收入超三百万元。

• 负责对象存储服务的元数据管理子系统，通过Python + etcd构建高可用的分布式缓存层，解决了元数据访问的性能瓶颈，使列表查询接口的P99延迟降低80%。
• 实现的智能生命周期管理策略，自动将冷数据迁移至低成本存储 tier，在不影响用户体验的前提下，使整体存储成本下降25%。
• 将团队主要服务的Python版本从2.7全面升级至3.8+，并推动了类型注解（Type Hints）的全面应用，代码健壮性和可维护性得到质的飞跃。

生鲜全链路实时库存与履约协同系统重构

• 生鲜电商业务因库存与履约系统割裂，存在超卖率8%、月均生鲜损耗150万的核心痛点，目标是整合“库存-订单-履约”全链路，实现实时数据同步，降低损耗并提升履约效率。我在项目中统筹架构设计、核心模块开发及跨产品/前端/仓库系统的协作，对结果直接负责。
• 面临两大技术瓶颈：一是多渠道（APP/小程序/第三方）订单并发下，原异步MQ方案导致库存与订单状态延迟3-5秒，引发超卖；二是履约调度依赖人工规则，骑手与订单匹配度低，超时率达38%。我选择Seata AT分布式事务框架解决库存修改与订单生成的原子性问题，同时用Redis分布式锁保障高频库存扣减的一致性；针对履约调度，设计了融合贪心算法与实时GPS位置的服务引擎。
• 主导重构库存中心，将库存粒度从“仓库-品类”细化至“仓库-品类-批次-保质期”，结合ShardingSphere实现库存表分库分表（8库16表）；开发履约调度服务，接入骑手实时位置接口，用贪心算法优先分配“距离≤1公里+时效达标”的骑手，通过乐观锁处理骑手资源冲突。
• 项目上线后，库存准确率从92%提升至99.6%（超卖率降至0.3%），月均损耗减少至70万（下降53%）；履约超时率降至21%（下降45%），用户履约满意度从4.1升至4.7（满分5）。该系统成为公司生鲜品类的核心基础设施，支撑双11大促0超卖目标，我个人的技术方案被纳入公司技术中台标准。

在线课程高并发选课与智能排课系统优化

• 教育平台大促（如开学季）期间，选课并发峰值达1500 QPS，常因数据库连接池耗尽崩溃；同时排课依赖人工规则，老师资源冲突率25%、排课周期3天，无法支撑快速开课需求。我的角色是核心模块负责人，负责选课与排课系统的重构及性能优化。
• 核心挑战：一是秒杀级选课流量突增，单库单表无法承载高并发写入；二是排课规则复杂（老师跨校区、课程类型互斥、教室资源有限），传统规则引擎效率低。针对流量问题，用Redis布隆过滤器过滤重复请求，结合令牌桶限流将QPS控制在数据库承载范围内；排课系统引入遗传算法，将老师/教室/课程约束转化为基因编码，通过迭代优化找最优解。
• 主导选课系统重构，用ShardingSphere将订单表按用户ID分片（8库16表），设计缓存预热策略（提前加载热门课程库存至Redis）；开发排课服务，封装遗传算法引擎，支持动态调整约束（如临时新增老师），通过数据库乐观锁处理并发排课冲突。
• 项目落地后，选课并发能力提升至8500 QPS（增长6倍），大促期间数据库连接池利用率从95%降至60%，系统可用性达99.99%；排课效率提升70%，周期缩短至1天内，老师资源冲突率降至5%以下。该方案支撑平台年度3次大促稳定运行，成为教育类产品的排课标杆，我个人获公司“年度技术突破奖”。